Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers

  1. (Dept. of Electrical Engineering, Soongsil University, Korea.)
  2. (Dept. of Electrical Engineering, Soongsil University, Korea.)



Offshore Wind Farms, Mean Wind Speed, Wind Turbine Capacity, Capacity Factor, Levelized Cost of Energy

1. 서 론

기후변화로 인한 위기와 그에 따른 탄소중립을 위해 신재생에너지를 통한 발전이 높은 관심을 받고 있다. 기업에서도 RE100에 동참하면서 탄소 배출을 낮추고 신재생에너지 발전사업 추진이 증가하고 있다. 이에 따라 일부 배전계통에서는 신재생에너지의 수용성 한계에 도달하게 되었으며, 수용성 향상을 위한 다양한 연구가 진행되고 있다(1). 배전계통에서의 신재생에너지 연계는 배전선로의 용량 제약과 설비 입지에 따른 설치 제약이 있으나, 주로 송전계통에 연계되는 대용량 해상풍력발전단지는 선로 용량과 부지에 따른 설치 제약이 상대적으로 낮기 때문에 해상풍력발전단지에 대한 관심이 높아지고 있다.

2019년까지 유럽에 설치된 해상풍력발전단지의 89[%]는 150[MW] 이상의 대용량 발전단지이며, 2019년에 설치된 해상풍력발전단지의 평균 용량은 621[MW]에 이르고 개별 단지에는 평균 46개의 풍력터빈이 설치되었다(2). 2030년까지 전 세계적으로 205[GW]가 설치될 것으로 예상되기 때문에 국내에도 대용량 해상풍력발전단지의 지속적인 구축을 위한 기술력 향상 및 경제성 확보를 위한 연구가 필요한 상황이다.

해상풍력발전단지의 경제성 확보를 위한 연구는 개별 풍력터빈의 최적화, 풍속 및 풍향에 따른 후류효과를 고려한 발전단지 배치, 발전단지 내부 및 외부 전력망의 구조 최적화, 전력시장 측면에서의 경제성 분석 연구 등으로 구분할 수 있다. 개별 풍력터빈의 최적화 연구는 풍력터빈 구성요소를 터빈 용량에 따른 수학적 모델링을 통해 터빈 생산 비용을 최소화한 연구(3-4)와 풍력터빈 용량 증대에 따른 경제성 향상 분석(5) 등이 있다. 다수의 풍력터빈으로 구성된 발전단지 내 전력생산성 향상을 위한 풍력터빈 위치의 최적화(6-7)와 풍속 및 풍향에 따른 후류효과를 고려한 풍력터빈의 최적 배치(8-9)에 관한 연구도 활발하게 진행되고 있다. 그리고 전력망 구축비용을 최소화하기 위한 연구는 전력망 구성 요소에 대한 비용 모델링 연구(10-11)를 기반으로 Genetic Algorithm, Particle Swarm Optimization, Stochastic Optimization 등의 다양한 최적화 알고리즘을 적용하여 내‧외부 전력망 구조에 따른 비용 최적화 연구(12-14)가 진행되고 있다. 그 외에도 풍력발전 요소의 가격 변동이 균등화 발전비용에 미치는 경제성 분석(15), 전력시장 관점에서 신재생에너지 공급의무화 제도가 풍력발전단지의 경제성에 미치는 영향에 관한 연구(16)가 있다.

선행연구 분석을 통해 해상풍력발전단지의 경제성에 영향을 미치는 요소가 다양하고 각 요소별 최적화 연구가 진행되었음을 알 수 있다. 그러나 일부 요소를 최적화한다고 해서 사업 전체의 타당성을 보장하는 것은 아니기 때문에 지역별 상이한 풍속 데이터 및 발전단지 내 풍력터빈의 용량을 변수로 고려한 발전량 변화와 풍력단지 구축 및 운영에 대한 상세 비용 모델을 기반으로 한 경제성 분석 연구가 필요하다.

본 연구는 새로운 해상풍력발전단지를 기획하는 단계에서 사업의 경제성을 판단할 수 있는 평가 모델을 제시한다. 이를 위해 풍속과 풍력터빈 용량이 발전량에 미치는 영향을 분석하였고, 풍력단지 구축에 소요되는 초기투자비용과 풍력단지 운영에 따라 매년 발생하는 운영비용에 대한 상세 모델링을 진행하였다. 그리고 발전단지의 특성을 상세히 반영한 균등화 발전비용 모델을 도출하였고 사례연구를 통해서 본 연구에서 제안하는 경제성 모델을 상업 운전을 앞둔 실제 해상풍력발전단지에 적용하여 동일한 용량의 풍력단지에서 평균 풍속과 풍력터빈 용량의 변동에 따른 경제성 변화를 분석하였다.

2. 해상풍력발전단지의 경제성 평가를 위한 고려사항

2.1 해상풍력발전단지의 경제성 평가 요소

해상풍력발전단지 설비는 전력 생산을 위한 풍력터빈과 육상 계통으로의 송전을 위한 내・외부 전력망, 해상변전소, 육상변전소 등으로 구성된다. 그리고 설비 운영 주기에 따라 설계, 인허가, 구매, 건설, 운영, 그리고 해체 단계로 구분할 수 있다(15). 풍력단지의 경제성을 높이기 위해서는 발전량은 높이고 설비투자비용과 운영비용은 낮출 수 있는 설계가 필요하다. 발전량은 풍속과 풍력터빈의 용량에 의해 결정되는 요인이기 때문에 풍력단지 예정지의 풍속 데이터 분석과 풍력터빈 용량에 따른 발전량 예측이 필수적이며, 설비비용 및 운영비용을 최소화하기 위해서는 각 비용에 대한 모델링이 선행되어야 한다(12-13).

본 연구에서는 풍속과 풍력터빈의 용량에 발전량에 미치는 영향을 분석하였으며, 풍력발전단지를 실제로 구축하고 운영한 참고문헌을 분석하여 비용에 대한 모델링을 진행하였다. 그리고 발전량과 소요 비용을 동시에 고려하고 발전설비의 경제성을 분석하기 위해 균등화 발전비용을 적용하였다.

2.2 풍속과 풍력터빈의 발전량과 경제성에 미치는 영향

연간 예상 발전량을 산출하기 위해서는 풍력단지가 구축될 지역의 풍속 데이터가 반영된 확률분포함수와 풍력터빈의 특성이 반영된 풍력터빈 출력 모델이 필요하다(19). 풍속 모델 연구에서는 Weibull 분포함수를 널리 사용하는데 특정 지역의 풍속 특성을 Scale factor와 Shape factor 두 요소로 반영하여 쉽게 모델링할 수 있다는 장점이 있다. 본 연구에서도 풍속 변화에 따른 발전량 분석을 진행하기 때문에 Weibull 분포함수를 적용하였으며 식(1)과 같다.

(1)
$f(v)=\dfrac{k}{c}\left(\dfrac{v}{c}\right)^{k-1}\exp\left[-\left(\dfrac{v}{c}\right)^{k}\right]$

여기서 $f(v)$는 풍속에 따른 확률밀도함수이며, $v$는 풍속, $c$는 scale factor, $k$는 shape factor이다.

바람으로부터 전력을 생산하는 풍력터빈은 이동하는 공기가 블레이드를 통해 풍력터빈 회전자를 돌리면서 발전하는 과정을 거친다. 풍력터빈의 출력은 식(2)와 같으며 블레이드와 기어박스, 발전기 효율을 반영하였다(19).

(2)
$P_{w}(v)=\dfrac{1}{2}\rho A_{s}C_{P}\eta_{m}\eta_{g}v^{3}$

여기서 $\rho$는 공기 밀도[㎏/㎥], $A_{s}$는 블레이드 면적[㎡], $C_{P}$는 블레이드 공력 효율, $\eta_{m}$은 풍력터빈 기어박스 효율, $\eta_{g}$는 풍력터빈 발전기 효율, $v$는 풍속[㎧]이다.

또한 풍속에 따른 풍력터빈 출력 특성은 식(3)과 같다.

(3)
$P_{w}=\begin{cases} 0 & : v<V_{c}\\ P_{w}(v) & : V_{c}\le v<V_{r}\\ P_{r} & : V_{r}\le v<V_{f}\\ 0 & : v>V_{f} \end{cases}$

여기서, $V_{c}$와 $V_{f}$, 그리고 $V_{r}$은 각각 cut-in, cut-out, 정격 풍속[㎧]을 의미하며, $P_{r}$은 정격 출력[MW]을 의미한다.

그리고 Weibull 분포함수와 풍력터빈의 출력함수를 이용하여 식(4)과 같은 풍력터빈의 평균 출력 함수를 얻었다(20).

(4)
$P_{avg}=\int_{0}^{P_{w}}x·f_{p}(x)dx$

여기서 $P_{avg}$는 풍력터빈 평균 출력[MW], $x$는 풍력터빈 출력[MW], $f_{p}(x)$는 출력 $x$의 확률이다. $f_{p}(x)$는 Weibull 분포함수와 풍력터빈 출력함수를 놓고 구분구적법을 통해 풍속 구간에 대한 확률과 출력량을 계산하여 각 구간에서 얻은 출력량에 대한 확률로 표현되는 함수이다(21).

그림 1은 풍속에 따른 Weibull 분포함수와 풍력터빈의 출력 특성 곡선을 나타낸 것이다. 분포함수와 출력 터빈 곡선의 공통 영역이 풍력터빈의 발전량을 결정한다. 풍력터빈의 용량에 따라 cut-in, cut-out, 정격풍속 범위가 다르게 나타나는데 이는 풍력터빈 용량에 따라 연간 생산되는 전력량이 변동이 발생하여 전체 풍력발전단지의 경제성 결과에 직접적인 영향을 미치게 된다. 동일한 cut-in, cut-out 풍속을 갖더라도 정격 용량이 높을수록 확률분포함수와 겹치는 영역이 증가하여 풍력터빈의 전력생산성이 높아지는 것을 알 수 있다. 그러나 동일한 용량의 풍력단지인 경우 풍력터빈 용량이 증가하면 풍력터빈의 수량이 감소하기 때문에 풍력터빈 용량과 수량에 따른 발전단지 전체에 대한 전력 생산성과 투입 비용의 증감을 분석할 필요가 있다. 본 연구에서는 사례연구를 통해 풍속과 풍력터빈 용량에 따른 이용률 분석을 통해 전력 생산성을 평가하였다.

그림. 1. 풍속에 따른 Weibull 분포함수 및 터빈 출력 특성

Fig. 1. Characteristics of Weibull Distribution Function and Wind Turbine Output according to Wind Speed

../../Resources/kiee/KIEE.2021.70.7.953/fig1.png

3. 해상풍력발전단지의 비용 모델

해상풍력발전단지의 경제성을 평가하기 위해서는 풍속과 풍력터빈의 특성이 반영된 발전량 산출 모델과 해상풍력발전단지의 특성이 반영된 설비 및 운영비용 모델이 필요하다. 본 절에서는 풍속에 대한 확률분포함수와 풍력터빈의 출력 특성에 따른 전력 생산성 변화와 설비투자 및 운영비용 모델을 제시하여 경제성 평가를 위한 기반을 제공한다.

해상풍력발전단지를 구성하는 요소는 크게 풍력터빈, 하부 구조물, 해상변전소, 육상변전소, 내/외부 전력망을 구성하는 해저케이블로 구분할 수 있다. 설비를 구축하기 위한 설비투자비용은 프로젝트 초기에 발생하고 발전단지 운영을 위한 운영비용은 연간 발생하기 때문에 현금 흐름이 발생하는 시점이 다르다. 따라서 균등화 발전비용의 산출을 위해 설비투자비용을 연간 비용으로 환산했으며, 본 연구에서 적용한 단위는 [KRW]이다.

3.1 설비투자비용

해상풍력발전단지를 구성하는 모든 비용 모델은 참고문헌과 현재 시점 차이에 따른 물가 상승률을 반영하였다. 풍력터빈 설비비용은 식(5)와 같으며 풍력터빈의 운반과 시공비용까지 포함하였다(22-23).

(5)
$C_{w/t}=1,\:786N_{w/t}P_{MW}^{0.9984}10^{6}$

여기서 $N_{w/t}$은 발전단지 내 풍력터빈 수량, $P_{MW}$은 풍력터빈 개별 용량을 의미한다.

풍력터빈의 하부 구조물 구축을 위한 비용은 식(6)과 같으며 운반과 시공비용도 포함되었다(22-23).

(6)
$C_{found}=818N_{w/t}P_{MW}^{1.06}10^{6}$

해상변전소 비용도 변전소를 구성하는 변압기 용량 및 수량에 따른 변동이 있기 때문에 100[MW] 이상의 해상풍력단지 내 해상변전소 비용을 분석한 참고문헌(22)를 통해 식(7)으로 표현하였다.

(7)
$C_{oss}=978S_{TR}^{0.678}10^{6}$

여기서 $S_{TR}$은 해상변전소의 변압기 용량을 의미한다.

육상변전소 비용은 단지 용량 100[MW] 이상의 4개 site에 대한 구축비용을 선형회귀 분석하여 식(8)과 같이 추정했다(22).

(8)
$C_{s/s}=1.178S_{TR}10^{6}$

해저케이블에서 공급하는 무효전력으로 인한 전압 제어를 위해 무효전력 보상설비도 필요하다. 무효전력은 해저케이블 선종과 해안으로부터의 거리 등으로 영향을 받게 되는데 필요한 무효전력에 따른 보상설비 비용을 식(9)와 같이 표현하였다(23).

(9)
$C_{SVC}=104Q_{MVAR}10^{6}$

여기서 $Q_{MVAR}$은 외부전력망의 해저케이블에서 발생하는 무효전력을 의미한다. 무효전력 보상설비는 전압 유지를 위해 반드시 필요한 설비이지만 본 연구에서는 해상변전소와 육상변전소 비용에 포함된 것으로 가정하였다.

풍력터빈에서 생산된 전력을 안정적으로 송전하기 위한 내・외부 전력망은 해저케이블로 구성되며, 특히 풍력터빈 위치가 확정된 이후 내부 전력망 구조의 최적화에 따라 해저케이블 비용의 증감이 발생하기 때문에 경제성 분석에 있어서 전력망 최적화는 필수적이다(12-14). 그러나 전력망 최적화의 영향을 무시하기 위해 기존 해상풍력발전단지 구조를 활용하였으며, 단위 길이인 ㎞당 해저케이블 비용은 케이블의 단면적에 따른 영향만을 고려하여 식(10)과 같이 표현하였다(23).

(10)
$C_{cable ,i}=(0.426S+218.35)10^{6}$

여기서 $S$는 해저케이블의 단면적이며, 전압은 33kV이다.

또한 내부전력망 시공에 필요한 해저케이블 운반 및 설치 비용은 5.48[억원/㎞]이며, 154kV의 외부전력망을 구성하는 630[㎟] 해저케이블의 자재비용과 시공비용은 각각 9.05[억원/㎞], 9.45[억원/㎞]으로 산정하였다(23).

3.2 운영비용

해상풍력단지를 가동함에 따라 설비의 고장 및 유지보수를 위한 운영비용이 매년 발생한다. 운영비용은 풍력단지의 용량과 해안과의 거리에 따른 차이는 있으나 북유럽 해상풍력단지의 경우 연간 발전량의 25[%], 또는 18[€/MWh]로 추정하고 있다(22,24). 그러나 본 연구에서는 풍력단지 구성요소별 운영비용 함수를 모델링하여 연간 운영비용을 산정하였다. 특히 설비 고장 및 수리에 따른 비용 외에도 직접 드러나지 않는 전력 손실비용과 설비 고장에 따른 전력 공급지장비용이 존재하기 때문에 풍속 확률분포 기반의 평균 출력 함수를 통한 내・외부 전력망의 전력손실 및 공급지장비용도 포함하였다(20).

풍력터빈에 대한 운영비용은 교체비용과 유지보수비용으로 구분하였고 이를 식(11)식(12)에 각각 표현하였다(19).

(11)
$C_{w/t,\: rp}=1.683\times 10^{6}$

(12)
$C_{w/t,\: OM}=1.178S_{TR} 10^{6}$

풍력터빈에서 생산된 전력은 해저케이블로 구성된 내・외부 전력망에 손실이 발생한다. 식(4)의 평균 출력 함수와 케이블 길이에 따른 저항을 통해 연간 전력손실비용을 얻을 수 있다. 그리고 전력망에서 고장이 발생할 경우 이를 수리하는데 필요한 비용이 발생한다. 또한 수리가 진행되는 동안에는 발전된 전력이 육상으로 송전되지 못하여 공급지장비용(EENS, Expected Energy Not Supply)이 발생한다. 전력손실비용과 수리비용, 공급지장비용에 대한 함수는 참고문헌 (20)에서 제시된 수식을 인용하였다.

해상풍력단지 운영에는 해상 활동에 필요한 선박 관리와 항만부지 및 기타부대 설비 관리에 비용이 소요되는데, 이를 위해 $4.05\times 10^{3}[원/MWh]$을 적용하였다(19).

3.3 균등화 발전비용(LCOE)

균등화 발전비용(LCOE, Levelized Cost of Energy)은 발전설비의 경제성 평가에 널리 사용되는 지표이다. LCOE는 연간 총 엔너지 생산량 대비 연간 발생하는 비용의 비율로 정의하며, 이를 수식으로 표현하면 식(13)과 같다(19,24).

(13)
$LCOE=\dfrac{COST_{CAPEX}\bullet CRF+COST_{OPEX}}{AEP}$

여기서 $COST_{CAPEX}$는 설비투자비용, $COST_{OPEX}$는 운영비용을 나타낸 것이며, $CRF$는 초기 설비투자비용을 연간 비용으로 환산하기 위한 자본회수계수를 의미한다.

4. 사례연구

각각 5[MW]와 8[MW] 풍력터빈으로 구성된 두 개의 400[MW] 대용량 해상풍력발전단지의 평균 풍속 변화에 따른 경제성을 평가하고자 사례연구를 진행하였다. 실존하는 해상풍력발전단지를 대상으로 한 사례연구를 통해 풍력발전단지의 내부 전력망에 필요한 최적화 결과를 반영할 수 있었다. 앞서 제시한 비용 모델링을 기반으로 풍력터빈 용량과 평균 풍속 변화에 따른 경제성 평가 결과를 제시하였다.

4.1 사례연구 모델 및 모의 조건

사례연구를 위한 실존 모델은 2022년 상용 운전을 앞둔 6[MW] 풍력터빈 80개로 구성된 프랑스 Banc de Guerande 대용량 해상풍력발전단지이다(12). 본 연구에서는 기존 해상풍력단지의 풍력터빈 위치 및 내부 전력망 구조를 활용하여 5[MW] 및 8[MW] 풍력터빈을 적용하고자 풍력터빈 Rotor 직격(D)에 따른 이격거리 7D를 적용하였다. 그리고 풍력터빈의 좌표를 재조정했으며, 이를 반영한 풍력발전단지 구조를 그림 2그림 3에 각각 나타냈다. 풍력단지를 구성하는 풍력터빈 종류에 따른 특성은 표 1과 같으며, 연간 발전량 및 발생비용 산출을 통한 경제성 평가에 공통적으로 적용한 시스템 파라미터는 표 2에 제시하였다(8,19-20,25).

그림. 2. 5[MW] 풍력터빈 80개로 구성된 해상풍력발전단지

Fig. 2. OWF consisting of 80 5[MW] wind turbines

../../Resources/kiee/KIEE.2021.70.7.953/fig2.png

그림. 3. 8[MW] 풍력터빈 50개로 구성된 해상풍력발전단지

Fig. 3. OWF consisting of 50 8[MW] wind turbines

../../Resources/kiee/KIEE.2021.70.7.953/fig3.png

표 1. 풍력터빈 특성[8]

Table 1. Wind turbine characteristics

W/T

Capacity

Rotor

Diameter[m]

Cut-in

Speed[㎧]

Rated

Speed[㎧]

Cut-out

Speed[㎧]

5[MW]

126

3

11.4

25

8[MW]

164

4

12.5

25

표 2. 해상풍력발전단지의 시스템 파라미터[19-20,25]

Table 2. System Parameters of Offshore Wind Farms

System

Parameters

Value

Wind

Turbine

Air density(ρ)

1.225[㎏/㎥]

Blade aerodynamic efficiency($C_{pr}$)

0.45

Gear box efficiency($η_{m}$)

0.96

Generator efficiency($η_{g}$)

0.97

Availability of W/T

0.95

Loss of wake effect

0.11

Inner

Grid

Grid voltage

33[㎸]

Cable resistance of 95[㎟]

0.247[Ω/㎞]

Cable resistance of 185[㎟]

0.159[Ω/㎞]

Cable resistance of 400[㎟]

0.0631[Ω/㎞]

Cable resistance of 630[㎟]

0.0416[Ω/㎞]

Export

Grid

Grid voltage

154[㎸]

Cable resistance of 630[㎟]

0.0416[Ω/㎞]

Failure rate

0.003[freq/year・㎞]

Repair rate

13.0357[repairs/year]

Repair cost

28.07×108[KRW/freq]

Cost

Parameters

Operation period

20[year]

Interest

4[%]

Fixed charge rate

166.8[KRW/kWh]

4.2 풍속에 따른 이용률 분석

평균 풍속 크기에 따라 wind class를 5단계로 구분하고 있다. 평균 풍속이 증가할수록 풍력터빈에서 생산되는 전력은 증가할 것으로 예상할 수 있으며, 풍속에 따른 전력생산성을 이용률을 통해 평가하였다. 또한 동일한 평균 풍속에서 풍력터빈 용량의 변화가 전력생산성에 미치는 영향도 이용률 지표를 통해 분석하였다. 5[MW]와 8[MW] 풍력터빈 용량에 따른 영향을 비교하기 위해 표 1에 제시된 데이터를 적용하였다. 평균 풍속은 wind class Ⅰ~Ⅴ에 해당되는 5개 특정 지역의 풍속 데이터를 사용하였으며, 본 연구에서는 Weibull 분포함수 모델을 적용하기 위해 해당 지역의 풍속 특성을 반영한 shape factor와 scale factor를 각각 반영하였다(6,20). 풍속 데이터와 풍력터빈에 따른 이용률 결과는 표 3그림 4와 같다.

평균 풍속의 증가에 따라 이용률이 증가하여 전력생상성에 직접적인 영향을 미치는 것을 알 수 있었다. 또한 풍력터빈 용량이 증가함에 따라 이용률도 함께 증가하여 해상풍력발전단지를 설치할 때 풍속이 높은 지역을 선정하고 풍력터빈의 용량을 높이는 것이 발전사업의 경제성을 향상시킬 수 있는 중요 요인으로 분석되었다. 그러나 풍력터빈 용량의 변화에 따른 전력생산량과 풍력단지 건설 및 운영에 따라 발생하는 비용을 복합적으로 분석하기 위해 4.3절에서 균등화 발전비용에 대한 연구를 진행하였다.

표 3. 풍력터빈 용량에 따른 풍속별 Capacity Factor

Table 3. Capacity Factor by wind speed according to wind turbine capacity

Parameter

Shu Chan

(HK)

Waglan

(HK)

south

west coast

(KOR)

Kyung-Joo

(KOR)

Young-Duck

(KOR)

Mean wind speed [㎧]

5.61

6.11

6.94

7.8

8.5

Wind Class

Shape Factor(k)

2.11

1.94

1.84

2.22

2.12

Scale Factor(c)

6.33

6.89

7.95

8.91

9.57

C.F.

[%]

5[MW] W/T

18.03

22.87

30.62

37.22

41.50

8[MW] W/T

19.38

25.55

35.81

43.66

49.86

Deviation

7.5

11.7

16.9

17.3

20.1

그림. 4. 평균 풍속에 따른 이용률

Fig. 4. Capacity factors according to mean wind speed

../../Resources/kiee/KIEE.2021.70.7.953/fig4.png

4.3 균등화 발전비용(LCOE) 분석

동일한 풍력발전단지에서 개별 풍력터빈 용량의 변화는 이용률 향상에 따른 연간 수입 증대를 기대할 수 있다. Wind class Ⅲ에 해당하는 평균 풍속 6.94[㎧]에서 5[MW] 및 8[MW] 풍력터빈으로 구성된 400[MW] 해상풍력단지의 연간 전력생산 비교 결과를 표 4에 나타냈으며, 풍력터빈의 후류 효과에 따른 발전 손실도 반영하였다. 표 4는 발전량 증대에 따른 경제성 향상을 의미하는 결과를 보여주지만 보다 타당성 있는 분석을 위해 5[MW]와 8[MW] 풍력터빈으로 구성된 400[MW] 해상풍력단지의 구축비용과 운영비용까지 고려한 사례연구를 진행하였다.

표 4. 연간 전력생산 비교(평균 풍속 6.94[㎧])

Table 4. Comparison of Annual Energy Production (Mean Wind Speed(MWS) 6.94[㎧])

Offshore Wind Farm

C.F.

[%]

AEP

[GWh]

Annual revenue

[KRW×108]

5[MW] W/T $\times$ 80

30.62

954.9

1,593

8[MW] W/T $\times$ 50

35.81

1,116.8

1,863

표 5. 설비투자비용(평균 풍속 6.94[㎧])

Table 5. Capital Expenditure(MWS 6.94[㎧])

Offshore

Wind Farm

Component

NPV Cost

[KRW×108]

Annual Cost

[KRW×108]

5[MW] W/T $\times$ 80

Wind turbines

7,128.3

524.5

Foundations

3,604.3

265.2

Inner grid

1,049.4

77.2

Export grid

2,408.7

177.2

8[MW] W/T $\times$ 50

Wind turbines

7,122.9

524.1

Foundations

3,707.4

272.8

Inner grid

803.9

59.2

Export grid

2,408.7

177.2

400[MW]

Offshore substation

568.4

41.8

Onshore substation

471.2

51.8

앞서 제시한 해상풍력발전단지 구성 요소의 비용 모델을 바탕으로 5[MW] 및 8[MW] 풍력터빈으로 구성된 400[MW] 해상풍력단지의 설비투자비용과 운영비용을 순현재가치(NPV, Net Present Value)와 연간 비용으로 구분하여 각각 표 5표 6에 나타냈다. 현금 흐름이 발생하는 시점이 다르기 때문에 CAPEX와 OPEX를 연간 비용으로 환산하여 현금 흐름에 대한 기준 시점을 동일하게 하였다. 또한 풍속 조건이 동일하도록 평균 풍속 6.94[㎧]에서의 비용을 산출하였다. 이와 같이 풍력단지의 연간 수익과 연간 취득비용 산출을 통해 평균 풍속과 풍력터빈 용량에 따른 균등화 발전비용을 산출할 수 있었다.

해상풍력발전단지를 구축하기 위한 설비투자비용과 운영비용의 추정은 해상 기후에 따른 고장율 및 수리비용 변동, 전력판매단가와 할인율 등의 변수가 있기 때문에 높은 변동성을 갖지만, 본 논문에서 제시한 비용 모델을 기반으로 Wind Class 변화(Ⅰ→Ⅴ)에 따른 5[MW]와 8[MW] 풍력터빈의 해상풍력발전단지에 대한 LCOE 결과를 표 7표 8에 나타냈다. 이를 통해 평균 풍속의 증가에 따라 LCOE가 감소하는 결과를 그림 5를 통해 분명히 알 수 있다. 제시된 결과에 따라 평균 풍속의 증가와 풍력터빈 용량의 증대는 해상풍력발전사업의 경제성 향상을 기대할 수 있는 요소임을 증명하였다.

또한 5[MW] 풍력터빈으로 구성된 해상풍력단지에서는 Wind Class Ⅲ 이상의 풍속에서 연간 예상 수입이 연간 총 비용보다 높아지는 경향을 보이며 경제성을 확보할 수 있는 것으로 분석되었다. 8[MW] 풍력터빈으로 구성된 해상풍력단지에서는 Wind Class Ⅱ 이상의 풍속에서 경제성이 확보되는 것으로 분석되었다. 이러한 결과를 통해 해상풍력단지의 경제성 확보를 위해서는 설치 예정지의 정확한 풍속 분석과 함께 높은 용량의 풍력터빈을 설계에 반영하는 것이 중요한 요소로 분석되었다.

표 6. 운영비용(평균 풍속 6.94[㎧])

Table 6. Operational Expenditure(MWS 6.94[㎧])

Offshore

Wind Farm

Component

NPV Cost

[KRW×108]

Annual Cost

[KRW×108]

5[MW] W/T $\times$ 80

Repair of W/T

91.1

6.7

Operation of W/T

1,428.3

105.1

Loss of inner grid

133.1

9.8

Repair of inner grid

111.3

8.2

EENS of inner grid

94.5

7

Loss of export grid

125.7

9.2

Repair of export grid

165.9

12.2

EENS of export grid

81.0

6

Ancillary equipments

525.9

38.7

8[MW] W/T $\times$ 50

Repair of W/T

91.1

6.7

Operation of W/T

1,671.6

123

Loss of inner grid

151.5

11.1

Repair of inner grid

81.7

6

EENS of inner grid

168.0

12.4

Loss of export grid

171.8

12.6

Repair of export grid

165.9

12.2

EENS of export grid

94.7

7

Ancillary equipments

614.3

45.2

표 7. 평균 풍속에 따른 균등화 발전비용(5[MW] 풍력터빈)

Table 7. LCOE according to MWS Variation(5[MW] W/T)

Items

Offshore wind farm (5[MW] W/T $\times$ 80)

Wind Class

MWS[㎧]

5.61

6.11

6.94

7.8

8.5

AEP[GWh]

562.3

713.2

954.9

1,160.7

1,294.2

Revenue[KRW×108]

937.9

1,189.6

1,592.8

1,936.1

2,158.7

CAPEX[KRW×108]

1,137.8

1,137.8

1,137.8

1,137.8

1,137.8

OPEX[KRW×108]

124.3

153.5

202.9

247.6

277.9

Sum of expenditure

1,262.1

1,291.3

1,340.7

1,385.4

1,415.7

LCOE(KRW/kWh)

224.5

181.1

140.4

119.4

109.4

표 8. 평균 풍속에 따른 균등화 발전비용(8[MW] 풍력터빈)

Table 8. LCOE according to MWS Variation(8[MW] W/T)

Items

Offshore wind farm (8[MW] W/T $\times$ 50)

Wind Class

MWS[㎧]

5.61

6.11

6.94

7.8

8.5

AEP[GWh]

604.7

796.8

1,116.8

1,361.6

1,554.9

Revenue[KRW×108]

1,008.6

1,329.0

1,862.7

2,271.1

2,593.6

CAPEX[KRW×108]

1,127.0

1,127.0

1,127.0

1,127.0

1,127.0

OPEX[KRW×108]

130.4

168.3

236.3

292.3

338.9

Sum of expenditure

1,257.4

1,295.3

1,363.3

1,419.3

1,465.9

LCOE(KRW/kWh)

207.9

162.6

122.1

104.2

94.3

그림. 5. 대용량 해상풍력단지 LCOE 비교

Fig. 5. Comparison of LCOE in Large-scale OWFs

../../Resources/kiee/KIEE.2021.70.7.953/fig5.png

5. 결 론

해상풍력발전단지의 경제성에 영향을 미치는 요인으로는 단지 특성을 나타내는 풍속, 풍력터빈 용량, 풍력단지의 설비비용, 그리고 운영비용이 있다. 각 요인 경제성에 미치는 영향을 분석하고자 풍속에 대한 확률분포함수와 풍속에 따른 터빈 출력 특성함수를 통해 해상풍력발전단지의 이용률과 발전량 변화를 도출하였다. 그리고 설비비용과 운영비용을 모델링하여 풍력터빈 위치와 용량, 전력망 구조에 따른 연간 발생 비용을 산출하였다. 이를 종합하여 평균 풍속과 풍력터빈의 용량에 따른 동일한 용량의 풍력단지의 균등화 발전비용을 얻을 수 있었고, 이에 따라 해상풍력발전단지의 경제성 분석 결과를 제시하였다. 사업 기획 단계에서 설치 예정지의 풍속을 정확히 분석하고, 높은 용량의 풍력터빈을 설치하는 것이 해상풍력발전단지의 경제성을 높이는 것으로 분석되었다.

Acknowledgements

본 연구는 2019년도 지식경제부의 재원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구과제입니다. (No. 2019 3710100061)

References

1 
Yang-Hyun Nam, Sung-Sik Choi, Min-Kwan Kang, Hu-Dong Lee, Ji-Hyun Park, Dae-Seok Rho, 2018, A Study on the Large-scale Adoption Method of Distribution System Interconnected with PV System by Energy Storage System, The Transactions of the Korean Institute of Electrical Engineers, Vol. 67, No. 8, pp. 1031-1039DOI
2 
Global Wind Energy Council, 2020, GWEC Global Wind ReportGoogle Search
3 
Korea Wind Energy Industry Association, 2018, 2018 Annual Report on Wind Energy Industry in KoreaGoogle Search
4 
E.P.P. Soares-Ramos, L. de Oliveira-Assis, R. Sarrias-Mena,, L.M. Fernández-Ramírez, 2020, Current status and future trends of offshore wind power in Europe Energy, Vol. 202, pp. 117787Google Search
5 
Beom-Keun Seo, Yeon-Hee Kim, Ji-Hee Kim, Baek-Jo Kim, 2017, Comparison of Wind Resource Characteristics in Korea According to Different Mapping Method, New & Renewable Energy, Vol. 13, No. 4, pp. 23-38Google Search
6 
Z. R. Shu, Q. S. Li, P. W. Chan, 2015, Investigation of offshore wind energy potential in Hong Kong based on Weibull distribution function, Applied Energy 156 (2015), pp. 362-373DOI
7 
C. L. Archer, M. Z. Jacobson, 2005, Evaluation of global wind power, J. Geophys. Res., Vol. 110, No. D12110Google Search
8 
Desmond Cian, Murphy Jimmy, Blond Lindert, Haans Wouter, 2016, Description of an 8MW Reference Wind Turbine, J. Phys. Conf. Ser., Vol. 753, No. 092013Google Search
9 
Feng Ju, Zhong Shen Wen, 2017, Design optimization of offshore wind farms with multiple types of wind turbines, Applied Energy 205, pp. 1283-1297DOI
10 
T. Ashuri, M. B. Zaaijer, J. R. R. A. Martins, G. J. W. van Bussel, G. A. M. van Kuik, 2014, Multidisciplinary design optimization of offshore wind turbines for minimum levelized cost of energy, Renewable Energy 68, pp. 893-905DOI
11 
Chaouachi Aymen, Felix Covriga Catalin, Ardelean Mircea, 2017, Multi-criteria selection of offshore wind farms: Case study for the Baltic States, Energy Policy 103, pp. 179-192DOI
12 
Dahmani Ouahid, Bourguet Salvy, Machmoum Mohamed, Guerin Patrick, Rhein Pauline, Lionel Josse and, 2017, Optimi- zation and Reliability Evaluation of an Offshore Wind Farm ArchitectureDesign optimization of offshore wind farms with multiple types of wind turbines, IEEE Trans. Sustain. Energy, Vol. 8, No. 2DOI
13 
Je-Seok Shin, Jin-O Kim, 2017, Optimal Design for Offshore Wind Farm considering Inner Grid Layoutand Offshore Substation Location. IEEE Trans. Power Syst., vol.32, no.3, pp.2041-2048, 2017., IEEE Trans. Power Syst, Vol. 32, No. 3, pp. 2041-2048DOI
14 
H. Ergun, D. Van Hertem, R. Belmans, 2012, Transmission system topology optimization for large-scale offshore wind integration, IEEE Trans. Sustain. Energy, Vol. 3, No. 4, pp. 908-917DOI
15 
D. Elliott, Jul 2016, A comparison of AC and HVDC options for the connection of offshore wind generation in great britain, IEEE Trans. Power Del., Vol. 31, No. 2, pp. 798-809DOI
16 
P. Bresesti, W. Kling, R. Hendriks, R. Vailati, Mar 2007, HVDC connection of offshore wind farms to the transmission system, IEEE Trans. Energy Convers., Vol. 22, No. 1, pp. 37-43DOI
17 
B. Van Eeckhout, D. Van Hertem, M. Reza, K. Srivastava, R. Belmans, Jul 2010, Economic comparison of VSC HVDC and HVAC as transmission system for a 300 MW offshore wind farm, Eur. Trans. Elect. Power, Vol. 20, No. 5, pp. 661-671DOI
18 
A. Ioannou, A. Angus, F. Brennan, May 2018, Parametric CAPEX, OPEX, and LCOE expressions for offshore wind farms based on global deployment parameters, Energy Sources, Part B Econ Planning, Vol. 13, No. 5, pp. 281-290DOI
19 
J. Chen, F. Wang, S. Kim, 2018, A mathematical approach to minimizing the cost of energy for large utility wind turbines, Appl. Energy 228, pp. 1413-1422DOI
20 
Won-Sik Moon, Jong-Nam Won, Jae-Sun Huh, Ara Jo, Jae-Chul Kim, 2015, Optimal Design of Power Grid and Location of Offshore Substation for Offshore Wind Power Plant, The Transactions of the Korean Institute of Elec- trical Engineers, Vol. 64, No. 7, pp. 984-991DOI
21 
Won-Sik Moon, Ara Jo, Jae-Chul Kim, 2015, Economic Eva- luation of Power Grid Interconnection between Offshore Wind Power Plants, The Transactions of the Korean Institute of Electrical Engineers P, Vol. 64, No. 7, pp. 984-991DOI
22 
Angel G. Gonzalez-Rodriguez, 2017, Review of offshore wind farm cost components, Energy for Sustainable Development, Vol. 37, pp. 10-19DOI
23 
M.Dicorato, G. Forte, M. Pisani, M. Trovato, 2011, Guidelines for assessment of investment cost for offshore wind generation, Renew. Energy, Vol. 36, pp. 2043-2051DOI
24 
S. Cavazzi, A.G. Dutton, 2016, An Offshore Wind Energy Geographic Information System (OWE-GIS) for assessment of the UK's offshore wind energy potential, Renewable Energy, Vol. 87, pp. 212-228DOI
25 
J. Warnock, D. McMillan, J. Pilgrim, and S. Shenton, 2019, Failure rates of offshore wind transmission systems, Energies, Vol. 12, No. 14, pp. 1-12DOI

저자소개

문원식(Won-Sik Moon)
../../Resources/kiee/KIEE.2021.70.7.953/au1.png

He received the B.S., M.S, and Ph.D. degrees in electrical engineering from Soongsil Univer- sity, Seoul, Korea, in 2009, 2011, and 2016, respectively.

He worked at LG Electronics from 2016 to 2019 in the field of Microgrid.

He is currently an Associate Professor with Soonsil University since 2019.

His research interests include application of Renewable Energy and Microgrid Technologies to Power Systems.

신중우(Joong-Woo Shin)
../../Resources/kiee/KIEE.2021.70.7.953/au2.png

He received his B.S. degree from Hongik University, Sejong, Korea, in 2015.

Currently, he is a student of Soongsil University graduate school masters and doctoral course.

윤광훈(Kwang-Hoon Yoon)
../../Resources/kiee/KIEE.2021.70.7.953/au3.png

He received his B.S. degree from Anyang University, Anyang, Korea, in 2017.

Currently, he is a student of Soongsil University graduate school masters and doctoral course.